基于替代模型的演化算法.pdf

1、演化算法是一類(lèi)基于群體的隨機(jī)優(yōu)化方法。在求解實(shí)際的優(yōu)化問(wèn)題時(shí)，其不依賴(lài)于要優(yōu)化的目標(biāo)函數(shù)的導(dǎo)數(shù)信息，甚至都不需要知道目標(biāo)函數(shù)的完整數(shù)學(xué)表達(dá)形式，只需要知道任意自變量處目標(biāo)函數(shù)對(duì)應(yīng)的函數(shù)值，也稱(chēng)之為適應(yīng)度值的評(píng)估。然而，在工程優(yōu)化領(lǐng)域，存在一類(lèi)適應(yīng)度值評(píng)估時(shí)間或者其它費(fèi)用消耗很高的問(wèn)題，例如:空氣動(dòng)力學(xué)外形設(shè)計(jì)，結(jié)構(gòu)設(shè)計(jì)，電路設(shè)計(jì)，藥劑設(shè)計(jì)等。此時(shí)，便可以在演化算法中結(jié)合使用近似模型，其主要目的，便是去減少代價(jià)很高的目標(biāo)函數(shù)的評(píng)估。本文就

2、是對(duì)基于替代模型的演化算法進(jìn)行深入的研究，致力于提出一個(gè)高效的算法框架，使得演化算法也適用于求解這一類(lèi)高評(píng)估代價(jià)的問(wèn)題。本文首先對(duì)演化算法進(jìn)行了簡(jiǎn)要的介紹，隨后詳細(xì)介紹了當(dāng)前被廣泛采用的近似模型，然后深入調(diào)研了已有的一些基于替代模型的算法框架，最后確定了采用基于高斯過(guò)程模型的演化算法作為主要的研究方向，并通過(guò)具體的實(shí)驗(yàn)對(duì)其進(jìn)行了深入的研究。
　　在各類(lèi)近似模型中，高斯過(guò)程模型是一個(gè)較有效的模型，因?yàn)楦咚惯^(guò)程模型不僅能夠提供預(yù)測(cè)的適

3、應(yīng)度值，還有預(yù)測(cè)的置信度。由于粗糙的近似模型可能會(huì)誤導(dǎo)演化算法，使其陷入局部最優(yōu)解，而高斯過(guò)程模型提供的預(yù)測(cè)的適應(yīng)度值的置信度則提供了額外的信息，充分利用適應(yīng)度值的置信度便能夠進(jìn)一步提高真實(shí)適應(yīng)度值評(píng)估的效率。本文首先對(duì)基于高斯過(guò)程模型的差分演化算法進(jìn)行了實(shí)驗(yàn)研究。研究過(guò)程中發(fā)現(xiàn)，高斯過(guò)程模型的訓(xùn)練代價(jià)會(huì)隨著訓(xùn)練樣本數(shù)的增加而快速增加。為了減少高斯過(guò)程模型的訓(xùn)練代價(jià)，本文提出采用局部組合高斯過(guò)程模型，其中各局部模型具有相同的模型參數(shù)，并